Research
El modelo OLS: relación lineal entre dos series
Mínimos Cuadrados Ordinarios para medir la relación estadística entre dos series de mercado
- 27 Mar 2026
- Investigación Estadística
- Serie Relaciones cuantitativas y regímenes de mercado
- Research 1 de 3
Primera entrega de la serie sobre el modelo OLS. Explica el modelo de Mínimos Cuadrados Ordinarios para estimar la relación lineal entre dos variables: el intercepto, la pendiente y el residuo, que se interpreta como la desviación de una serie respecto a lo que el modelo espera de ella. Plantea su uso para relacionar dos series de mercado e incluye una función en Python, basada en statsmodels, que estima los parámetros del modelo.
Metodología
El residuo del modelo como medida de desviación
El Research explica el modelo OLS como la recta que relaciona dos variables y describe el papel del intercepto, de la pendiente o hedge ratio y del término de error. Ese residuo se interpreta como una desviación: la diferencia entre el valor real de una variable y el estimado por el modelo.
Sobre esa base plantea el caso que desarrolla la serie, la relación entre un índice y una medida de amplitud del mercado, y define en Python la función que estima los parámetros con statsmodels. El código completo y su uso posterior se desarrollan en el Research.
Relación con la Serie
Pertenece a la Serie Relaciones cuantitativas y regímenes de mercado · Research 1 de 3
Este Research forma parte de la Serie «Relaciones cuantitativas y regímenes de mercado» y no se vende por separado.
Research Serie
Continúa con la Serie completa
Serie Relaciones cuantitativas y regímenes de mercado · 3 Research
SMQuantum publica contenido formativo, informativo y de investigación cuantitativa. SMQuantum no presta asesoramiento de inversión personalizado: no formula recomendaciones adaptadas a tu situación financiera, tu cartera, tu perfil de riesgo, tus objetivos o tus circunstancias personales. Las decisiones de inversión que tomes son tuyas. Invertir y operar en los mercados financieros implica riesgo y puede producir pérdidas. Los resultados históricos, simulados o de backtest no garantizan resultados futuros. Más información en el Aviso legal.